科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高混凝土坝面作业场景识别工作效率，提出了一种混凝土坝面作业场景智能识别方法（ResNet50-SEMSF）。将采集的坝面施工现场监控视频分割为图像，分析混凝土坝面作业人、机、料、环等实体要素图像特征，界定坝面作业典型场景；以残差网络（Residual Network 50， ResNet50）为骨干网络结构，引入挤压激励（Squeeze and Excitation， SE）注意力机制，关注不同通道间特征关系，提升坝面作业场景图像中多目标实体要素关键特征表达能力；融合下采样多尺度特征，保留坝面作业场景图像低级特征和高级语义信息，增强模型对图像不同层次特征的理解能力，克服尺度变化、目标变形等问题。对比分析其他3种卷积神经网络模型试验结果，使用类激活映射(Grad Class Activation Mapping， GradCAM)可视化方法，解释ResNet50-SEMSF模型对场景类别中实体要素信息的关注程度。结果表明：ResNet50-SEMSF识别效果明显优于ResNet50、MobileNetV2、VGG16经典网络模型，表征ResNet50-SEMSF模型用于混凝土坝面作业场景智能识别的可行性，为混凝土坝面施工安全管理工作提供参考。
-
单位国家能源投资集团有限责任公司; 三峡大学
